内容简介
智能建造（Intelligent Construction）是以人工智能算法为核心，以数据和现代信息技术为主要支撑，在建设工程的设计、生产、施工和运维中，以智能技术代替需要人类智能才能完成的复杂工作，实现工程建设高度自动化和数字化的技术。本教括算法的数学基础、智能优化算法、无监督学、监督学和强化学5个方向，书中较为详细地介绍了算法的原理和流程等；尤其是针对学生难掌握的矩阵分析和深度学行了通俗易懂的详细剖析。 本书适用于智能建造专业本科生，土木工程、建筑技术、水利工程、海洋工程、工程管理、交通工程等专业的研究生，从事学科交叉研究的工科专业研究生，从事智能建造研发的建筑业技术人员等。为方便教师授课，本教材作者自制免费课件并提供案，索取方式为：1.邮箱jckj@cabp.；2.电话（010）58337285；3.建工书院edu.cabplink.com。
目录
第1章 绪论 1.1 全球建筑业现状 1.2 建筑业信息化 1.3 人工智能技术发展 1.4 建筑业的智能建造趋势 1.5 本书的主要内容第2章 矩阵分析基础 2.1 向量和矩阵 2.2 二次型 2.3 雅可比矩阵 2.4 海森矩阵 2.5 范数 2.6 矩阵分解 2.7 广义逆矩阵 2.8 典型应用——主成分分析第3章 概率与统计基础 3.1 变量与概率 3.2 变量间的独立 3.3 变量的特征数 3.4 贝叶斯规则 3.5 大似然估计 3.6 熵和互信息 3.7 微分熵 3.8 KL散度与交r/> 3.9 结构化概率模型第4章 数值优化与规划方法 4.1 拉格朗日乘数法 4.2 KKT条件 4.3 小二乘法 4.4 差分法 4.5 梯度下降法 4.6 牛顿法 4.7 蒙特卡洛法 4.8 人工势场法 4.9 线规划第5章 智能优化算法 5.1 遗传算法 5.2 粒子群优化算法 5.3 模拟退火算法 5.4 邻场算法第6章 聚类算法 6.1 聚类的基本思想 6.2 k均值聚类算法 6.3 密度聚类算法 6.4 高斯混合聚类 6.5 层次聚类算法 6.6 谱聚类算法第7章 分类算法 7.1 神经元感知器 7.2 支持向量机 7.3 逻辑回归 7.4 邻算法 7.5 贝叶斯分类器第8章 深度学r/> 8.1 前馈神经网络 8.2 卷积神经网络 8.3 循环神经网络第9章 强化学r/> 9.1 强化学 9.2 马尔可夫过程 9.3 时序差分学r/> 9.4 三类方法的应用实例 9.5 深度强化学r/> 9.6 Q学在结构设计中的应用